正規表現とは?
正規表現(regex、regexp)は、検索パターンを定義する強力な文字列です。ほぼすべてのプログラミング言語と多くのテキストエディターで、テキストの検索、マッチング、加工に使われています。
正規表現は強力な「検索と置換」機能だと考えてください。完全一致する文字列だけでなく、「メールアドレス全般」「すべての電話番号」「'pre'で始まる単語」といったパターンで検索できます。
- ユーザー入力(メール、電話番号、パスワード)を検証する
- テキストを効率よく検索・置換する
- ログや文書からデータを抽出する
- 構造化されたテキストを解析・処理する
- 開発者やデータアナリストに必須のスキルです
最初は^[\w.-]+@[\w.-]+\.\w{2,}$のような正規表現が難しく見えるかもしれません。しかし構成要素を理解すれば、非常に論理的で役立つことが分かります。
正規表現の基本構文
まずは正規表現の基本的な構成要素から見ていきましょう。
リテラル文字
最もシンプルな正規表現はリテラル文字です。catというパターンは、どこにあっても「cat」という文字列そのものに一致します。
例:リテラルの一致
特殊文字(メタ文字)
次の文字は正規表現で特別な意味を持ちます。
| 文字 | 意味 | 例 |
|---|---|---|
. |
任意の1文字に一致(改行を除く) | c.tは「cat」「cut」「c9t」に一致 |
^ |
文字列・行の先頭 | ^Helloは先頭の「Hello」に一致 |
$ |
文字列・行の末尾 | world$は末尾の「world」に一致 |
* |
直前の文字が0回以上繰り返される | ab*cは「ac」「abc」「abbc」に一致 |
+ |
直前の文字が1回以上繰り返される | ab+cは「abc」「abbc」に一致するが「ac」には不一致 |
? |
直前の文字が0回または1回 | colou?rは「color」と「colour」に一致 |
\ |
特殊文字をエスケープ | \.はドットそのものに一致 |
文字クラス
文字クラスを使うと、指定した文字集合のうち任意の1文字に一致させられます。
| パターン | 意味 | 例 |
|---|---|---|
[abc] |
a、b、cのいずれかに一致 | [aeiou]は任意の母音字に一致 |
[^abc] |
a、b、c以外の任意の文字に一致 | [^0-9]は数字以外に一致 |
[a-z] |
任意の小文字に一致 | [A-Za-z]は任意の英字に一致 |
[0-9] |
任意の数字に一致 | [0-9]{3}は3桁の数字に一致 |
文字クラスの省略記法
よく使う文字クラスには便利な省略記法があります。
| 省略記法 | 同等の表記 | 意味 |
|---|---|---|
\d |
[0-9] |
任意の数字 |
\D |
[^0-9] |
数字以外の任意の文字 |
\w |
[A-Za-z0-9_] |
任意の単語構成文字 |
\W |
[^A-Za-z0-9_] |
単語構成文字以外の任意の文字 |
\s |
[ \t\n\r\f] |
任意の空白文字 |
\S |
[^ \t\n\r\f] |
空白以外の任意の文字 |
量指定子
量指定子は文字やグループを何回一致させるかを指定します。
| 量指定子 | 意味 | 例 |
|---|---|---|
{n} |
ちょうどn回 | \d{4}はちょうど4桁の数字に一致 |
{n,} |
n回以上 | \d{2,}は2桁以上の数字に一致 |
{n,m} |
n回以上m回以下 | \d{2,4}は2~4桁の数字に一致 |
* |
{0,}と同じ | a*は「」「a」「aa」「aaa」…に一致 |
+ |
{1,}と同じ | a+は「a」「aa」「aaa」…に一致 |
? |
{0,1}と同じ | a?は「」または「a」に一致 |
グループ化と選択
キャプチャグループ
丸括弧()でキャプチャグループを作成すると、次のことができます。
- 複数の文字に量指定子を適用する
- 一致したテキストをキャプチャして後で使う
- 後方参照を作成する
例:グループ化
括弧がないha+は「ha」「haa」「haaa」に一致します
選択(OR)
パイプ|はOR演算子のように機能します。
例:選択
非キャプチャグループ
グループ化だけが必要でキャプチャが不要な場合は、(?:...)を使います。
アンカーと境界
アンカーは文字ではなく、位置に一致します。
| アンカー | 一致する位置 | 例 |
|---|---|---|
^ |
文字列の先頭 | ^Hello - 文字列は「Hello」で始まる必要があります |
$ |
文字列の末尾 | bye$ - 文字列は「bye」で終わる必要があります |
\b |
単語境界 | \bcat\bは「cat」に一致するが「category」には不一致 |
\B |
非単語境界 | \Bcatは「category」内の「cat」に一致 |
正規表現の実用例
よく使われる正規表現パターンを解説付きで紹介します。
1. メールアドレスの検証
基本的なメールアドレスパターン
各要素の意味:
^ - 文字列の先頭
[\w.-]+ - 単語構成文字、ドット、ハイフンのいずれかが1文字以上
@ - @記号そのもの
[\w.-]+ - ドメイン名
\. - ドットそのもの
\w{2,} - 2文字以上のトップレベルドメイン
$ - 文字列の末尾
2. 電話番号(米国形式)
米国の電話番号
3. URLパターン
シンプルなURLパターン
4. パスワードの検証
強力なパスワード(8文字以上、大文字・小文字・数字を含む)
先読み(?=...)を使うと、文字を消費せずに条件を確認できます。
5. 日付形式(YYYY-MM-DD)
ISO日付形式
6. IPアドレス(IPv4)
IPv4アドレス
正規表現フラグ
フラグは正規表現エンジンによるパターンの解釈方法を変更します。
| フラグ | 名前 | 効果 |
|---|---|---|
i |
大文字・小文字を区別しない | /cat/iは「cat」「Cat」「CAT」に一致 |
g |
グローバル | 最初の一致だけでなく、すべての一致を検出します |
m |
複数行 | ^と$が各行の先頭・末尾に一致 |
s |
Dotall | .は改行文字にも一致 |
より良い正規表現を書くコツ
- シンプルに始める - 少しずつパターンを組み立てましょう
- 十分にテストする - さまざまな入力で正規表現テスターを使いましょう
- 条件を明確にする -
.*のように範囲が広すぎるパターンは避けましょう - アンカーを使う -
^と$で部分一致を防ぎましょう - 複雑なパターンに注釈を付ける - verboseモードや別の解説資料を活用しましょう
- 境界条件を考慮する - 空文字列、特殊文字、長い入力も確認しましょう
- 特殊文字(
.、*、?)のエスケープ忘れ - 最長一致と最短一致の量指定子の混同(
.*と.*?) - 必要な箇所でパターンをアンカーで固定していない
- 複雑すぎて保守しにくいパターン
まとめ
基本を理解すれば、正規表現は非常に強力なツールになります。シンプルなパターンから始め、構文に慣れながら徐々に複雑にしていきましょう。
重要なポイント:
- 正規表現パターンはリテラル文字とメタ文字で構成されます
- 文字クラス(
[...])は文字の集合に一致します - 量指定子(
*、+、{n})は繰り返し回数を制御します - グループ(
(...))と選択(|)で構造を作ります - アンカー(
^、$、\b)は位置に一致します - パターンは必ず正規表現テスターでテストしましょう
練習を重ねれば正規表現が自然に使えるようになり、手作業のテキスト処理にかかる時間を大幅に節約できます。